在线模型的优化方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请公开了在线模型的优化方法、装置、设备、存储介质及程序产品，涉及人工智能、机器学习、内容推荐领域。该方法包括：接收第一消息，第一消息中包括在线待优化模型的标识信息；获取原始样本数据，并对原始样本数据中的字段进行变换，得到变换后的样本数据；根据在线待优化模型的标识信息，搭建与在线待优化模型相同的构造模型；根据原始样本数据、变换后的样本数据和构造模型，对在线待优化模型进行优化。该方法降低了模型优化复杂度，提高模型优化效率。优化效率。优化效率。

【技术实现步骤摘要】
在线模型的优化方法、装置、设备、存储介质及程序产品


[0001]本申请实施例涉及人工智能技术，尤其涉及一种在线模型的优化方法、装置、设备、存储介质及程序产品，可用于机器学习、内容推荐领域。

技术介绍

[0002]对于机器学习模型而言，不仅需要模型对已有的数据能达到很好的预测能力，更重要的是，对其他未知的数据也能够有很好的预测能力，若要提高机器学习模型的预测准确率，就需要持续推进模型的优化迭代，通过不断调优才能提供更精准的服务。
[0003]目前业界内对机器学习模型优化时，都是从特征维度层面来探测模型对特征的敏感度，但对于复杂的组合特征模型、交叉特征模型等，探测模型对特征的敏感度较为复杂，导致模型优化过程复杂低效。

技术实现思路

[0004]本申请提供了一种降低了模型优化复杂度，提高模型优化效率的在线模型的优化方法、装置、设备、存储介质及程序产品。
[0005]根据本申请的一方面，提供了一种在线模型的优化方法，包括：
[0006]接收第一消息，所述第一消息中包括在线待优化模型的标识信息；
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线模型的优化方法，包括：接收第一消息，所述第一消息中包括在线待优化模型的标识信息；获取原始样本数据，并对所述原始样本数据中的字段进行变换，得到变换后的样本数据；根据所述在线待优化模型的标识信息，搭建与所述在线待优化模型相同的构造模型；根据所述原始样本数据、所述变换后的样本数据和所述构造模型，对所述在线待优化模型进行优化。2.根据权利要求1所述的方法，所述根据所述原始样本数据、所述变换后的样本数据和所述构造模型，对所述在线待优化模型进行优化，包括：将所述原始样本数据和所述变换后的样本数据输入所述构造模型，分别得到与所述原始样本数据和所述变换后的样本数据对应的输出结果；根据所述与所述原始样本数据和所述变换后的样本数据对应的输出结果，对所述在线待优化模型进行优化。3.根据权利要求2所述的方法，所述根据所述与所述原始样本数据和所述变换后的样本数据对应的输出结果，对所述在线待优化模型进行优化，包括：确定与所述原始样本数据对应的输出结果和与所述变换后的样本数据对应的输出结果之间的差值；根据所述差值，确定所述变换后的样本数据中发生变换的字段对所述在线待优化模型的影响因子；根据所述影响因子，对所述在线待优化模型进行优化。4.根据权利要求1
‑
3任一项所述的方法，所述根据所述在线待优化模型的标识信息，搭建与所述在线待优化模型相同的构造模型，包括：根据所述在线待优化模型的标识信息，获取所述在线待优化模型的参数信息；根据所述在线待优化模型的参数信息，搭建与所述在线待优化模型相同的构造模型。5.根据权利要求1
‑
3任一项所述的方法，所述获取原始样本数据，包括：接收所述原始样本数据；或者，根据所述在线待优化模型的标识信息，将所述在线待优化模型的输入信息，确定为所述原始样本数据。6.根据权利要求1
‑
3任一项所述的方法，所述对所述原始样本数据中的字段进行变换，得到变换后的样本数据，包括：获取目标变换方式，所述目标变换方式包括如下至少一种：删除、裁剪、置空、添加、替换或反转；根据所述目标变换方式，对所述原始样本数据中的目标字段进行相应处理，得到所述变换后的样本数据。7.根据权利要求6所述的方法，所述获取目标变换方式，包括：接收第二消息，所述第二消息中包括所述目标变换方式；或者，从预设的多个变换方式中，随机选择至少一种目标变换方式。8.一种在线模型的优化装置，包括：接收模块，用于接收第一消息，所述第一消息中包括在线待优化模型的标识信息；
获取模块，用于获取原始样本数据，并对所述原始样本数据中的字段进行变换，得到变换后的样本数据；模型搭建模块，用于根据所述在线待优化模型的标识信息，搭建与所述在线待...

【专利技术属性】
技术研发人员：杨婉璐，李小聪，陈葳蕤，魏龙，王召玺，王峰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：